mpc_local_planner与我们比较熟悉的teb_local_planner出自同一研究所（多特蒙德大学-控制理论与系统工程研究所），所以参数配置文件中的参数有很多相似之处，很多参数的含义也是相同的，所以熟悉teb_local_planner的参数含义，对于理解mpc_local_planner的参数有很大的帮助，这一点在官方介绍中也提到了
源码包下载链接：
rst-tu-dortmund / mpc_local_planner
https://github.com/rst-tu-dortmund/mpc_local_planner
使用方法看源码页介绍即可，推荐使用以下指令安装相关依赖，简单快捷
rosdep install mpc_local_planner若rosdep不能正常使用，可以参考我之前写的博客，链接如下：
ROS Noetic版本 rosdep找不到命令 不能使用的解决方法http://t.csdn.cn/CJKv8
一、参数含义解释
odom_topic：机器人的里程计话题名称。
robot：机器人相关设置。
type：机器人类型，这里是simple_car。
simple_car：简单车辆类型的机器人参数。
wheelbase：轴距。
front_wheel_driving：前轮是否驱动。
max_vel_x：前进的最大线速度。
max_vel_x_backwards：后退的最大线速度。
max_steering_angle：最大转角。
acc_lim_x：前进的线性加速度限制。
dec_lim_x：前进的线性减速度限制。
max_steering_rate：最大转角速率。
footprint_model：用于避免碰撞的足迹模型。
type：足迹模型的类型，可以是point、circular、two_circles、line或polygon。
radius：当足迹模型类型为circular时的半径。
line_start：当足迹模型类型为line时的起点坐标。
line_end：当足迹模型类型为line时的终点坐标。
front_offset：当足迹模型类型为two_circles时前圆心偏移量。
front_radius：当足迹模型类型为two_circles时前圆半径。
rear_offset：当足迹模型类型为two_circles时后圆心偏移量。
rear_radius：当足迹模型类型为two_circles时后圆半径。
vertices：当足迹模型类型为polygon时的顶点坐标。
is_footprint_dynamic：足迹是否是动态的。
collision_avoidance：碰撞避免相关设置。
min_obstacle_dist：障碍物的最小安全距离。注意，此参数必须与足迹模型相匹配。
enable_dynamic_obstacles：是否启用动态障碍物。
force_inclusion_dist：强制包含距离。
cutoff_dist：截断距离。
include_costmap_obstacles：是否包括代价地图中的障碍物。
costmap_obstacles_behind_robot_dist：机器人后方的代价地图障碍物距离。
collision_check_no_poses：碰撞检查的位姿数量。
grid：规划网格相关设置。
type：规划网格的类型，这里是fd_grid。
grid_size_ref：参考网格大小。
dt_ref：参考时间间隔。
xf_fixed：是否固定终点状态。
warm_start：是否使用热启动。
collocation_method：插值方法，这里是forward_differences。
cost_integration_method：成本积分方法，这里是left_sum。
variable_grid：可变网格设置。
enable：是否启用可变网格。
min_dt：最小时间间隔。
max_dt：最大时间间隔。
grid_adaptation：网格自适应设置。
enable：是否启用网格自适应。
dt_hyst_ratio：时间间隔滞后比率。
min_grid_size：最小网格大小。
max_grid_size：最大网格大小。
planning：规划选项。
objective：目标函数设置。
type：目标函数类型，这里是minimum_time，表示最小化时间。
terminal_cost：终端成本设置。
type：终端成本类型，这里是none，表示没有终端成本。
terminal_constraint：终端约束设置。
type：终端约束类型，这里是none，表示没有终端约束。
controller：控制器选项。
outer_ocp_iterations：外层最优控制迭代次数。
xy_goal_tolerance：xy坐标目标容差。
yaw_goal_tolerance：偏航角目标容差。
global_plan_overwrite_orientation：全局路径是否覆盖机器人当前姿态。
global_plan_prune_distance：全局路径修剪距离。
allow_init_with_backward_motion：是否允许使用向后运动初始化。
max_global_plan_lookahead_dist：全局路径最大预瞄距离。
force_reinit_new_goal_dist：强制重新初始化新目标的距离。
force_reinit_new_goal_angular：强制重新初始化新目标的角度。
prefer_x_feedback：是否优先使用x反馈。
publish_ocp_results：是否发布OCP结果。
solver：求解器设置。
type：求解器类型，这里是ipopt。
ipopt：Ipopt求解器设置。
iterations：迭代次数。
max_cpu_time：最大CPU时间。
ipopt_numeric_options：Ipopt的数值选项。
tol：容差。
ipopt_string_options：Ipopt的字符串选项。
linear_solver：线性求解器，这里是mumps。
hessian_approximation：Hessian矩阵近似方法，这里是limited-memory。
lsq_lm：Levenberg-Marquardt方法设置。
iterations：迭代次数。
weight_init_eq：等式初始权重。
weight_init_ineq：不等式初始权重。
weight_init_bounds：边界初始权重。
weight_adapt_factor_eq：等式权重自适应因子。
weight_adapt_factor_ineq：不等式权重自适应因子。
weight_adapt_factor_bounds：边界权重自适应因子。
weight_adapt_max_eq：等式权重自适应最大值。
weight_adapt_max_ineq：不等式权重自适应最大值。
weight_adapt_max_bounds：边界权重自适应最大值。
二、参考参数
MpcLocalPlannerROS:
odom_topic: odom
## Robot settings
robot:
type: "simple_car"
simple_car:
wheelbase: 0.4
front_wheel_driving: False
max_vel_x: 0.4
max_vel_x_backwards: 0.2
max_steering_angle: 1.4
acc_lim_x: 0.5 # deactive bounds with zero
dec_lim_x: 0.5 # deactive bounds with zero
max_steering_rate: 0.5 # deactive bounds with zero
## Footprint model for collision avoidance
footprint_model: # types: "point", "circular", "two_circles", "line", "polygon"
type: "line"
radius: 0.2 # for type "circular"
line_start: [0.0, 0.0] # for type "line"
line_end: [0.4, 0.0] # for type "line"
front_offset: 0.2 # for type "two_circles"
front_radius: 0.2 # for type "two_circles"
rear_offset: 0.2 # for type "two_circles"
rear_radius: 0.2 # for type "two_circles"
vertices: [ [0.25, -0.05], [0.18, -0.05], [0.18, -0.18], [-0.19, -0.18], [-0.25, 0], [-0.19, 0.18], [0.18, 0.18], [0.18, 0.05], [0.25, 0.05] ] # for type "polygon"
is_footprint_dynamic: False
## Collision avoidance
collision_avoidance:
min_obstacle_dist: 0.27 # Note, this parameter must be chosen w.r.t. the footprint_model
enable_dynamic_obstacles: False
force_inclusion_dist: 0.5
cutoff_dist: 2.5
include_costmap_obstacles: True
costmap_obstacles_behind_robot_dist: 1.0
collision_check_no_poses: 5
## Planning grid
grid:
type: "fd_grid"
grid_size_ref: 20
dt_ref: 0.3
xf_fixed: [True, True, True]
warm_start: True
collocation_method: "forward_differences"
cost_integration_method: "left_sum"
variable_grid:
enable: True
min_dt: 0.0;
max_dt: 10.0;
grid_adaptation:
enable: True
dt_hyst_ratio: 0.1
min_grid_size: 2
max_grid_size: 50
## Planning options
planning:
objective:
type: "minimum_time" # minimum_time requires grid/variable_grid/enable=True and grid/xf_fixed set properly
terminal_cost:
type: "none"
terminal_constraint:
type: "none"
## Controller options
controller:
outer_ocp_iterations: 1
xy_goal_tolerance: 0.2
yaw_goal_tolerance: 0.1
global_plan_overwrite_orientation: True
global_plan_prune_distance: 1.0
allow_init_with_backward_motion: True
max_global_plan_lookahead_dist: 1.5
force_reinit_new_goal_dist: 1.0
force_reinit_new_goal_angular: 1.57
prefer_x_feedback: False
publish_ocp_results: False
## Solver settings
solver:
type: "ipopt"
ipopt:
iterations: 100
max_cpu_time: -1.0
ipopt_numeric_options:
tol: 1e-4
ipopt_string_options:
linear_solver: "mumps"
hessian_approximation: "limited-memory" # exact/limited-memory, WARNING 'exact' does currently not work well with the carlike model
lsq_lm:
iterations: 10
weight_init_eq: 2
weight_init_ineq: 2
weight_init_bounds: 2
weight_adapt_factor_eq: 1.5
weight_adapt_factor_ineq: 1.5
weight_adapt_factor_bounds: 1.5
weight_adapt_max_eq: 500
weight_adapt_max_ineq: 500
weight_adapt_max_bounds: 500
